典型文献
基于深度学习的往复压缩机故障检测方法研究
文献摘要：
利用AlexNet卷积神经网络和深度学习方法,对往复压缩机故障检测开展了研究.具体以往复压缩机示功图为研究对象,提出了基于AlexNet卷积神经网络的压缩机运行工况分类模型.在分类模型全连接层做一维特征向量的处理,提出了故障检测算法,搭建了往复空气压缩机实验测试平台.测取了4个工况下的示功图,组成了训练图集进行网络训练并进行了网络训练参数寻优.对进、排气阀泄漏故障进行的模拟测试结果表明,当故障评判阈值在80％ ～90％之间时,模型的故障识别准确率可达90％以上,可在仅有压缩机正常运行数据的情况下,很好地完成往复压缩机热力性能故障的检测,并进一步对故障气缸进行定位,为故障早期快速报警奠定了基础.
文献关键词：
往复压缩机;深度学习;故障诊断;示功图;卷积神经网络
中图分类号：
作者姓名：
李强;王杰;秦政;王尧;朱浩玮;刘兆增
作者机构：
中国石油大学(华东)新能源学院,山东青岛266580
文献出处：
引用格式：
[1]李强;王杰;秦政;王尧;朱浩玮;刘兆增-.基于深度学习的往复压缩机故障检测方法研究)[J].实验室研究与探索,2022(10):22-28
A类：
压缩机故障检测
B类：
往复压缩机,故障检测方法,AlexNet,深度学习方法,示功图,机运,运行工况,分类模型,全连接层,维特,特征向量,检测算法,空气压缩机,实验测试,测试平台,图集,网络训练,参数寻优,排气阀,泄漏故障,模拟测试,故障识别,识别准确率,运行数据,热力性能,气缸,速报
AB值：
0.271794
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
